[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"item-3616":3,"related-3616":54},{"id":4,"title":5,"url":6,"summary":7,"summary_zh":8,"content":9,"source_name":10,"source_url":6,"published_at":11,"category":12,"cover_url":9,"hotness":13,"is_selected":14,"score":15,"score_detail":16,"sources":23,"tags":27,"search_phrases":33,"slug":36,"view_count":37,"doi":38,"paper":39,"created_at":53},3616,"Integrated Machine Learning for Agriculture, Environment and Health-Adjacent Systems: Solar Cell Screening, Reservoir Monitoring and IoT-Driven Advisory Across Interdisciplinary Contexts","https:\u002F\u002Fdoi.org\u002F10.6084\u002Fm9.figshare.34001991","This paper explores the convergence of precision agriculture and environmental monitoring by taking advantage of overlapping physical sensor infrastructure. The authors present three interdisciplinary machine learning studies built upon a shared edge-inference architecture optimized for low-latency execution on a Raspberry Pi 4. First, the framework accelerates agrivoltaic deployments by combining density functional theory with gradient boosting regressors to screen perovskite solar cell efficiencies without physical fabrication cycles. Second, it introduces a hybrid 1D-CNN and random forest model to detect water level anomalies in Bangladesh's Kaptai Reservoir, reducing RMSE by 35% over a 40-year validation window. Third, it details an IoT agricultural platform (\"AgriLM\") that pairs ResNet-50 pest detection with an instruction-tuned LLM layer to deliver natural language, climate-adaptive management advice to smallholder farmers, optimizing cross-system resource constraints.","本文探讨了通过利用重叠的物理传感器基础设施，实现精准农业与环境监测的融合。作者提出了三项跨学科机器学习研究，均构建于一个共享的边缘推理架构之上，该架构针对树莓派4（Raspberry Pi 4）上的低延迟执行进行了优化。首先，该框架将密度泛函理论与梯度提升回归器相结合，无需物理制造周期即可筛选钙钛矿太阳能电池效率，从而加速农业光伏部署。其次，该框架引入了一种混合一维卷积神经网络（1D-CNN）与随机森林模型，用于检测孟加拉国卡普泰水库（Kaptai Reservoir）的水位异常，在40年验证窗口内将均方根误差（RMSE）降低了35%。第三，该框架详细介绍了物联网农业平台（“AgriLM”），该平台将ResNet-50害虫检测与指令微调的大语言模型（LLM）层相结合，为小农户提供自然语言、气候适应性的管理建议，并优化跨系统资源约束。",null,"Figshare","2026-09-26T00:00:00Z","论文",25,false,70,{"impact":17,"substance":18,"depth":19,"authority":20,"freshness":20,"relevant":21,"comment":22},12,22,18,9,1,"跨学科机器学习论文，方法新颖、数据扎实，但偏学术预印本，产业落地影响有限。",[24,25],{"name":10,"url":6},{"name":10,"url":26},"https:\u002F\u002Fdoi.org\u002F10.6084\u002Fm9.figshare.34001991.v1",[28,29,30,31,32],"智慧农业","农业人工智能","物联网","遥感监测","光伏农业",[34,35],"Kaptai Reservoir 水位监测","AgriLM 物联网农业平台","KaptaiReservoir水位监测-3616",0,"10.6084\u002Fm9.figshare.34001991",{"doi":38,"openalex_id":40,"authors":41,"venue":10,"cited_by_count":37,"oa_url":6,"card":46,"direction":50,"ingested_from":52},"W7214485392",[42,44],{"name":43,"orcid":9},"Alepera Rasaed",{"name":45,"orcid":9},"Minaya Aleguja",{"tldr":47,"method":48,"finding":49,"direction":50,"opportunity":51},"用共享边缘推理架构整合机器学习，实现太阳能电池筛选、水库监测与IoT农业咨询。","Raspberry Pi 4边缘推理，DFT+梯度提升、1D-CNN+随机森林、","混合模型将水库水位异常检测RMSE降低35%，AgriLM可提供自然语言气候适应建议。","智慧农业 \u002F 农业物联网","可探索多任务边缘模型在农业-环境-健康跨域场景下的能效与泛化性权衡。","openalex","2026-09-27T23:30:24.718444Z",{"total":55,"page":21,"page_size":55,"items":56},6,[57,101,136,175,214,237],{"id":58,"title":59,"url":60,"summary":61,"summary_zh":62,"content":9,"source_name":63,"source_url":60,"published_at":64,"category":12,"cover_url":9,"hotness":65,"is_selected":14,"score":15,"score_detail":66,"sources":70,"tags":72,"search_phrases":75,"slug":78,"view_count":37,"doi":79,"paper":80,"created_at":100},3550,"Asymmetric Vegetation Responses to Flood Exposure in the Chi River Basin: A Multi-Temporal Remote Sensing and Machine Learning Investigation","https:\u002F\u002Fdoi.org\u002F10.3390\u002Fsym18101606","Flooding and drought alternate in many tropical floodplains, but how vegetation responds to both hazards over multiple years remains poorly quantified. We examined vegetation–flood associations in the Chi River Basin, Northeast Thailand, drawing on Sentinel-2 imagery from 2020, 2023, and 2024, flood records from 2017, 2018, 2021, and 2022, and machine learning methods across 230,911 point-based spatial units. Nine forms of asymmetry emerged from the analysis. The most striking was recovery asymmetry: areas that flooded at least twice between 2017 and 2022 gained vegetation during 2020–2023 (mean NDVI change = +0.0270), whereas areas with little or no flood exposure lost vegetation (mean change = −0.0430). This gap was statistically significant (Cohen’s d = 0.5586, p \u003C 0.001) and suggests that repeated flooding may buffer vegetation against subsequent drought. Agricultural land declined less (−0.0316) than forest (−0.0937; ANOVA F = 1717.7, p \u003C 0.001). Baseline vegetation condition, measured as NDVI in 2020, contributed 32.9% to model importance, more than twice the contribution of elevation (14.5%). Spectral indices together accounted for 76.6% of importance, compared with 23.5% for topographic variables. The 2023 El Niño year produced the largest difference between high-flood and low-flood areas (+0.0364); because only one year per ENSO phase was available, we treat this as a case-based comparison rather than a general ENSO response. Threshold analysis identified two distinct values: an operational cut-off at NDVI = 0.05 (overall accuracy 82.67%) and an ecological transition around 0.25–0.30. Spatial clustering was weak but significant (Moran’s I = 0.2179, p \u003C 0.001). Spatial block cross-validation gave lower accuracy (0.597) than random cross-validation (0.627), pointing to spatial autocorrelation in the data. High-flood areas had 1.67 times the vulnerability index of low-flood areas (0.4306 vs. 0.2573). These patterns support differentiated management: elevation-based zoning, warning systems calibrated to local flood regimes, and focused interventions at hotspots.","在许多热带洪泛平原，洪水与干旱交替发生，但植被如何在多年间同时响应这两种灾害，仍缺乏充分的定量研究。我们以泰国东北部栖河（Chi River）流域为研究区，考察植被与洪水的关联，数据来源包括2020年、2023年和2024年的Sentinel-2影像，2017年、2018年、2021年和2022年的洪水记录，并采用机器学习方法，覆盖230 911个基于点的空间单元。分析中出现了九种不对称形式。其中最显著的是恢复不对称：2017—2022年间至少发生两次洪水的区域，在2020—2023年间植被增加（NDVI平均变化=+0.0270），而洪水暴露很少或没有洪水暴露的区域则植被减少（平均变化=−0.0430）。这一差异具有统计显著性（Cohen’s d=0.5586，p\u003C0.001），表明反复洪水可能缓冲植被对随后干旱的响应。农田的下降幅度（−0.0316）小于森林（−0.0937；ANOVA F=1717.7，p\u003C0.001）。以2020年NDVI衡量的基线植被状况对模型重要性的贡献为32.9%，是海拔贡献（14.5%）的两倍多。光谱指数合计占重要性的76.6%，而地形变量占23.5%。2023年厄尔尼诺年（El Niño year）高洪水区与低洪水区之间的差异最大（+0.0364）；由于每个ENSO相位仅有1年数据，我们将其视为基于个案的比较，而非一般性的ENSO响应。阈值分析识别出两个不同的值：操作性截断值为NDVI=0.05（总体精度82.67%），生态过渡值约为0.25~0.30。空间聚类较弱但显著（Moran’s I=0.2179，p\u003C0.001）。空间分块交叉验证的精度（0.597）低于随机交叉验证（0.627），表明数据中存在空间自相关。高洪水区的脆弱性指数是低洪水区的1.67倍（0.4306对0.2573）。这些格局支持差异化治理：基于海拔的分区、根据当地洪水情势校准的预警系统，以及在热点区域的重点干预。","Symmetry","2026-09-25T00:00:00Z",10,{"impact":67,"substance":18,"depth":19,"authority":68,"freshness":20,"relevant":21,"comment":69},8,13,"基于Sentinel-2与机器学习的多时相洪涝-植被响应研究，数据规模大、结论具体，对农业遥感与灾害风险管理有参考价值，但属区域案例研究，公共影响有限。",[71],{"name":63,"url":60},[28,29,31,73,74],"洪涝灾害","植被恢复",[76,77],"湄公河支流 流域 遥感 洪水","Sentinel-2 NDVI 洪涝 植被","湄公河支流流域遥感洪水-3550","10.3390\u002Fsym18101606",{"doi":79,"openalex_id":81,"authors":82,"venue":63,"cited_by_count":37,"oa_url":60,"card":94,"direction":98,"ingested_from":52},"W7214283372",[83,85,88,91],{"name":84,"orcid":9},"Jiradech Majandang",{"name":86,"orcid":87},"Patiwat Littidej","https:\u002F\u002Forcid.org\u002F0000-0002-1024-547X",{"name":89,"orcid":90},"Benjamabhorn Pumhirunroj","https:\u002F\u002Forcid.org\u002F0009-0009-6607-5594",{"name":92,"orcid":93},"D. C. Slack","https:\u002F\u002Forcid.org\u002F0000-0003-0324-2163",{"tldr":95,"method":96,"finding":97,"direction":98,"opportunity":99},"利用多时相遥感和机器学习揭示泰国湄公河支流流域植被对洪水的非对称响应。","Sentinel-2影像、洪水记录与机器学习，分析23万个空间单元。","重复洪水区植被增加，低洪水区减少，表明洪水可缓冲干旱影响。","农业遥感与作物表型","可探索洪水-干旱交替下植被恢复机制，并开发基于阈值的差异化预警系统。","2026-09-26T23:30:29.514361Z",{"id":102,"title":103,"url":104,"summary":105,"summary_zh":106,"content":9,"source_name":107,"source_url":104,"published_at":108,"category":12,"cover_url":9,"hotness":65,"is_selected":14,"score":109,"score_detail":110,"sources":114,"tags":116,"search_phrases":119,"slug":122,"view_count":37,"doi":123,"paper":124,"created_at":135},3549,"Artificial Intelligence-Based Innovations for Environmental Management in Uganda: A Scoping Review of Current Innovations","https:\u002F\u002Fdoi.org\u002F10.64643\u002Fjatir.141025","Uganda's extraordinary biodiversity, encompassing the Albertine Rift's endangered primate populations, East Africa's most significant freshwater wetland systems, and montane forest corridors of global conservation significance, is under compound and steadily accelerating environmental stress from widespread deforestation, wetland encroachment, agricultural expansion, climate variability, and persistently inadequate environmental governance capacity.Simultaneously, artificial intelligence technologies are undergoing rapid global deployment across environmental monitoring, predictive modelling, natural resource management, and climate adaptation domains, raising the question of whether these innovations are reaching contexts such as Uganda.This scoping review systematically maps the emerging landscape of artificial intelligence applications in environmental management in Uganda, examining which specific technologies have been deployed or piloted, across which environmental domains, by which actor types, and with what documented outcomes or limitations.A systematic search of peer-reviewed literature, grey literature, policy documents, and institutional reports published between 2020 and 2026 was conducted across five databases, ultimately yielding just 18 studies and reports meeting inclusion criteria after careful screening of 247 initial records identified.Findings reveal that artificial intelligence applications in Ugandan environmental management remain genuinely promising yet geographically and thematically concentrated, with remote sensing and machine learning applications for land cover change detection and forest monitoring constituting the single dominant application cluster identified.Applications in wetland management, water quality monitoring, wildlife protection, and climate adaptation do exist but remain isolated, under-resourced, and poorly integrated into government environmental governance frameworks.Critical cross-cutting barriers, including persistent data infrastructure deficits, digital skills shortages, electricity access constraints, and an underdeveloped AI policy ecosystem, systematically limit the effective translation of global AI innovations into practical, Uganda-specific environmental management solutions.The review concludes by proposing an AI-Environmental Governance Integration Framework","乌干达拥有非凡的生物多样性，涵盖艾伯丁裂谷（Albertine Rift）的濒危灵长类动物种群、东非最重要的淡水湿地系统以及具有全球保护意义的山地森林廊道，然而这些生态系统正面临来自大面积森林砍伐、湿地侵占、农业扩张、气候变率以及长期不足的环境治理能力的复合且持续加速的环境压力。与此同时，人工智能技术正在全球范围内迅速部署于环境监测、预测建模、自然资源管理和气候适应等领域，这引发了一个问题：这些创新是否正在惠及乌干达等地区。本范围综述（scoping review）系统梳理了乌干达环境管理中人工智能应用的新兴图景，考察了哪些具体技术已被部署或试点、涉及哪些环境领域、由哪些类型的行动者实施，以及有哪些已记录的结果或局限。研究对2020年至2026年间发表的同行评审文献、灰色文献、政策文件和机构报告在五个数据库中进行了系统检索，在仔细筛选初步识别的247条记录后，最终仅有18项研究和报告符合纳入标准。研究结果表明，人工智能在乌干达环境管理中的应用确实具有前景，但在地理和主题上高度集中，其中用于土地覆盖变化检测和森林监测的遥感与机器学习应用构成了唯一占主导地位的应用集群。湿地管理、水质监测、野生动物保护和气候适应方面的应用确实存在，但仍然孤立、资源不足，且未能有效纳入政府环境治理框架。关键的跨领域障碍，包括持续存在的数据基础设施赤字、数字技能短缺、电力获取限制以及欠发达的人工智能政策生态系统，系统性地限制了全球人工智能创新向乌干达本土化环境管理解决方案的有效转化。综述最后提出了一个人工智能-环境治理整合框架（AI-Environmental Governance Integration Framework）。","OpenAlex","2026-09-24T00:00:00Z",66,{"impact":67,"substance":111,"depth":112,"authority":17,"freshness":20,"relevant":21,"comment":113},20,17,"系统梳理乌干达AI环境管理应用的综述论文，方法规范、结论可靠，但属区域性研究且与三农信息化关联偏间接，公共影响有限。",[115],{"name":107,"url":104},[28,29,117,31,118],"环境治理","乌干达",[120,121],"乌干达 人工智能 环境管理","AI 遥感 森林监测","乌干达人工智能环境管理-3549","10.64643\u002Fjatir.141025",{"doi":123,"openalex_id":125,"authors":126,"venue":9,"cited_by_count":37,"oa_url":129,"card":130,"direction":50,"ingested_from":52},"W7214195868",[127],{"name":128,"orcid":9},"Henry Omara","https:\u002F\u002Fjatir.org\u002Fpublishedpapers\u002F141025_PAPER.pdf",{"tldr":131,"method":132,"finding":133,"direction":98,"opportunity":134},"综述乌干达环境管理中AI应用现状，发现应用集中于遥感与森林监测，整体零散且受基础设施制约。","系统检索2020-2026年五个数据库的文献与政策报告，筛选出18项研究做范围综","AI应用有前景但地理与主题集中，湿地、水质、野生动物等领域应用孤立，数据与政策短板明显。","可研究低成本遥感与机器学习在乌干达湿地、水质及小农农业环境监测中的落地路径与治理整合。","2026-09-26T23:30:15.512560Z",{"id":137,"title":138,"url":139,"summary":140,"summary_zh":141,"content":9,"source_name":107,"source_url":139,"published_at":142,"category":12,"cover_url":9,"hotness":65,"is_selected":14,"score":143,"score_detail":144,"sources":148,"tags":150,"search_phrases":153,"slug":156,"view_count":37,"doi":157,"paper":158,"created_at":174},3514,"Artificial Intelligence for Climate Adaptation Decision Support in Data-Poor Developing Regions","https:\u002F\u002Fdoi.org\u002F10.22541\u002Fessoar.15009304\u002Fv1","Climate adaptation is a sequence of decisions taken under uncertainty, and the regions where climate risk is rising fastest are those with the least information to guide them. Only about 10 per cent of deaths are registered in the WHO African Region; nearly 90 per cent of required surface weather observations are missing across least developed countries and small island states; and only 40 per cent of African countries have multi-hazard early warning systems. This report examines whether artificial intelligence — machine learning, remote sensing and predictive analytics — can close these information gaps and improve adaptation decisions in data-poor developing regions. The report organises the problem as a decision chain with three information gaps — observation, prediction and decision — followed by an action gap that AI cannot close. It finds that AI has advanced fastest on prediction: AI weather models became operational at ECMWF in 2025, AI flood forecasts now cover 100 countries and about 700 million people, satellite nowcasts reach a continent with little radar, and AI monsoon-onset forecasts reached 38 million Indian farmers in 2025. On observation, satellite machine learning explains around 70 per cent of the variation in village wealth but only up to about half of the variation in changes over time. On decision, evidence from Togo, Bangladesh and Kenya shows that AI-assisted targeting, forecast-based triggers and satellite index insurance can deliver assistance faster and better, within clear limits. The report's central argument is the ground-truth paradox: AI stretches scarce observations further, but every AI product must be trained and verified against ground truth, so reliance on AI raises the value of each remaining station, survey and label. The 2025 interruption of FEWS NET and termination of the DHS Program show how fragile that foundation is. Because the value of information is the product of skill, lead time, reach, trust and the means to act, the highest returns usually lie not in more skilful models but in dissemination, institutions and prearranged finance. The report sets out a risk register, a six-principle policy framework, actions by actor and a roadmap to 2030.","气候适应是在不确定性下做出的一系列决策，而气候风险上升最快的地区恰恰是指导信息最匮乏的地区。世卫组织非洲区域仅登记了约10%的死亡病例；最不发达国家和小岛屿国家缺失了近90%所需的地面天气观测数据；仅有40%的非洲国家拥有多灾种早期预警系统。本报告考察人工智能——机器学习、遥感和预测分析——能否弥合这些信息缺口，改善数据匮乏的发展中地区的适应决策。报告将这一问题组织为一条决策链，包含三个信息缺口——观测、预测和决策——以及一个人工智能无法弥合的行动缺口。报告发现，人工智能在预测方面进展最快：人工智能天气模型于2025年在欧洲中期天气预报中心（ECMWF）投入业务运行，人工智能洪水预报现已覆盖100个国家和约7亿人口，卫星临近预报覆盖了一个几乎没有雷达的大陆，人工智能季风爆发预报于2025年惠及3800万印度农民。在观测方面，卫星机器学习可解释村庄财富约70%的变异，但对时间变化的解释力仅约一半。在决策方面，来自多哥、孟加拉国和肯尼亚的证据表明，人工智能辅助的目标定位、基于预报的触发机制和卫星指数保险能够在明确限度内更快、更好地提供援助。报告的核心论点是地面真值悖论：人工智能能够将稀缺的观测数据发挥更大效用，但每个人工智能产品都必须依据地面真值进行训练和验证，因此对人工智能的依赖提升了每一个剩余站点、调查和标注数据的价值。2025年FEWS NET的中断和DHS项目的终止表明这一基础何等脆弱。由于信息的价值是技能、提前期、覆盖面、信任和行动手段的乘积，最高回报通常不在于更精密的模型，而在于传播、制度和预先安排的融资。报告提出了风险登记册、六项原则的政策框架、各行为主体的行动以及到2030年的路线图。","2026-09-22T00:00:00Z",86,{"impact":18,"substance":145,"depth":146,"authority":68,"freshness":67,"relevant":21,"comment":147},24,19,"系统梳理AI在数据匮乏地区气候适应决策中的观测、预测与决策三类信息缺口，提出“地面真值悖论”，数据与结论扎实，对农业信息化与智慧农业有较强参考价值。",[149],{"name":107,"url":139},[28,29,151,31,152],"气候适应","早期预警",[154,155],"AI 气候适应 决策支持","数据匮乏地区 农业预警","AI气候适应决策支持-3514","10.22541\u002Fessoar.15009304\u002Fv1",{"doi":157,"openalex_id":159,"authors":160,"venue":9,"cited_by_count":37,"oa_url":166,"card":167,"direction":173,"ingested_from":52},"W7214097088",[161,163],{"name":162,"orcid":9},"H Heuristics",{"name":164,"orcid":165},"Hunter Hughes","https:\u002F\u002Forcid.org\u002F0009-0002-6161-9387","https:\u002F\u002Fessopenarchive.org\u002Fdoi\u002Fpdf\u002F10.22541\u002Fessoar.15009304\u002Fv1",{"tldr":168,"method":169,"finding":170,"direction":171,"opportunity":172},"评估AI能否弥补数据匮乏地区气候适应决策的信息缺口，并提出地面真值悖论。","梳理观测、预测、决策三环节，结合AI天气模型、卫星ML与多国案例证据。","AI预测进展最快，但依赖地面真值；最高回报常在传播、制度与预置资金而非模型。","农业人工智能与决策模型","可研究AI辅助农业气候适应中地面真值稀缺下的验证与信任机制，及预置资金触发设计。","数字乡村与农业信息化","2026-09-25T23:30:46.008325Z",{"id":176,"title":177,"url":178,"summary":179,"summary_zh":180,"content":9,"source_name":181,"source_url":178,"published_at":182,"category":12,"cover_url":9,"hotness":65,"is_selected":14,"score":183,"score_detail":184,"sources":188,"tags":190,"search_phrases":193,"slug":196,"view_count":37,"doi":197,"paper":198,"created_at":213},3481,"ЦИФРОВІ ПІДХОДИ ДО УПРАВЛІННЯ ВОДНИМ РЕЖИМОМ ҐРУНТУ ЗА КРАПЛИННОГО ЗРОШЕННЯ ЯГІДНИХ КУЛЬТУР В УМОВАХ ЛІСОСТЕПУ УКРАЇНИ","https:\u002F\u002Fdoi.org\u002F10.32848\u002Fagrar.innov.2026.37.13","Мета статті – дослідження сучасних наукових підходів до підвищення ефективності управління водним режимом ґрунту за вирощування ягідних культур в умовах Лісостепу України із застосуванням цифрових технологій моніторингу та автоматизації поливів, а також оцінка їх впливу на оптимізацію водоспоживання, стабільність продуктивності насаджень і раціональне використання поливної води в системах краплинного зрошення. Особливу увагу приділено аналізу сучасних інструментів дистанційного контролю стану рослин і ґрунту, сенсорних систем визначення вологості, моделей планування режимів зрошення та інформаційно-аналітичних платформ підтримки прийняття рішень. Методи дослідження. У процесі досліджень використано методи системного аналізу, узагальнення, порівняння та інтерпретації результатів вітчизняних і зарубіжних наукових публікацій щодо управління водним режимом ґрунту ягідних культур. Проведено оцінку ефективності застосування сенсорів вологості ґрунту різних типів, супутникових індексів рослинності (NDVI), моделей розрахунку евапотранспірації культур за методикою FAO-56, а також автоматизованих систем керування поливами на основі IoT – технологій. Здійснено порівняльний аналіз показників водоспоживання, водопродуктивності та урожайності ягідних культур за різних режимів зрошення та рівнів цифровізації технологічних процесів. Результати дослідження. Встановлено, що застосування цифрових підходів до управління водним режимом ґрунту забезпечує підвищення ефективності використання поливної води на 20–35%, зменшення непродуктивних втрат вологи та стабілізацію вологості кореневмісного шару ґрунту протягом критичних фаз розвитку рослин. Обґрунтовано доцільність використання сенсорних систем контролю вологості ґрунту, супутникового моніторингу стану посівів і програмних моделей планування режимів зрошення для підвищення точності визначення строків і норм поливу. Показано, що інтеграція цифрових інструментів у технології краплинного зрошення сприяє підвищенню водопродуктивності насаджень ягідних культур, оптимізації режимів водоспоживання та зниженню енергетичних витрат на проведення поливів. Висновки. Узагальнення результатів досліджень свідчить про високу ефективність використання цифрових технологій моніторингу та управління водним режимом ґрунту у системах краплинного зрошення ягідних культур в умовах Лісостепу України. Використання сенсорних систем, супутникових індексів рослинності та автоматизованих алгоритмів керування поливами забезпечує підвищення рівня ресурсозбереження, стабільність урожайності та покращення екологічної ефективності технологій вирощування ягідних культур. Запровадження зазначених підходів доцільно розглядати як один із ключових напрямів удосконалення сучасних систем управління водними ресурсами в ягідництві. Отримані результати можуть бути використані при розробці рекомендацій щодо цифровізації управління зрошенням ягідних культур у господарствах Лісостепу України.","本文旨在研究在乌克兰森林草原条件下，利用数字监测技术和灌溉自动化提高浆果作物土壤水分管理效率的现代科学方法，并评估其对优化耗水量、种植园生产力稳定性以及滴灌系统中灌溉水合理利用的影响。特别关注对现代植物和土壤状态远程监控工具、湿度传感系统、灌溉制度规划模型及决策支持信息分析平台的分析。研究方法。在研究过程中，采用了系统分析、概括、比较以及解释国内外关于浆果作物土壤水分管理科学出版物的方法。评估了不同类型土壤湿度传感器、卫星植被指数（NDVI）、根据FAO-56方法计算作物蒸散量的模型以及基于物联网技术的灌溉自动化控制系统的应用效果。对不同灌溉制度和工艺过程数字化水平下浆果作物的耗水量、水分生产率和产量指标进行了比较分析。研究结果。已确定，采用数字方法管理土壤水分可确保灌溉水利用效率提高20–35%，减少无效水分损失，并在植物发育关键阶段稳定根层土壤湿度。论证了利用土壤湿度传感控制系统、作物状态卫星监测和灌溉制度规划软件模型以提高确定灌溉时间和灌溉定额精度的合理性。研究表明，将数字工具集成到滴灌技术中有助于提高浆果作物种植园的水分生产率、优化耗水制度并降低灌溉的能源消耗。结论。研究结果的综合表明，在乌克兰森林草原条件下的浆果作物滴灌系统中，利用数字监测和土壤水分管理技术具有高效率。使用传感系统、卫星植被指数和自动化灌溉控制算法可确保提高资源节","Аграрні інновації","2026-09-23T00:00:00Z",76,{"impact":185,"substance":186,"depth":19,"authority":68,"freshness":67,"relevant":21,"comment":187},16,21,"乌克兰核心期刊论文，系统评估传感器、NDVI与IoT自动化灌溉对浆果滴灌水分管理的节水增产效果，方法清晰、数据具体，对智慧灌溉领域有参考价值。",[189],{"name":181,"url":178},[28,30,31,191,192],"土壤水分","滴灌",[194,195],"乌克兰 森林草原 浆果 滴灌","FAO-56 蒸散 滴灌 水分管理","乌克兰森林草原浆果滴灌-3481","10.32848\u002Fagrar.innov.2026.37.13",{"doi":197,"openalex_id":199,"authors":200,"venue":181,"cited_by_count":37,"oa_url":207,"card":208,"direction":50,"ingested_from":52},"W7214105593",[201,204],{"name":202,"orcid":203},"V. V. Karuna","https:\u002F\u002Forcid.org\u002F0009-0005-6162-5391",{"name":205,"orcid":206},"A. P. Shatkovskyi","https:\u002F\u002Forcid.org\u002F0000-0002-4366-0397","https:\u002F\u002Fagrarian-innovations.izpr.ks.ua\u002Findex.php\u002Fagrarian\u002Farticle\u002Fdownload\u002F1171\u002F1168",{"tldr":209,"method":210,"finding":211,"direction":50,"opportunity":212},"综述数字技术用于乌克兰森林草原浆果滴灌土壤水分管理，提升灌溉水利用效率20–35%。","系统分析文献，评估土壤湿度传感器、NDVI、FAO-56蒸散模型与IoT自动灌溉","数字监测与自动灌溉可节水20–35%，稳定根层湿度，提高水分生产力并降低能耗。","可在小浆果园区验证多源传感与FAO-56模型耦合的实时决策，填补东欧森林草原区数据空白。","2026-09-25T23:30:15.654633Z",{"id":215,"title":216,"url":217,"summary":218,"summary_zh":9,"content":219,"source_name":220,"source_url":9,"published_at":108,"category":221,"cover_url":9,"hotness":65,"is_selected":14,"score":222,"score_detail":223,"sources":227,"tags":229,"search_phrases":232,"slug":235,"view_count":37,"doi":9,"paper":9,"created_at":236},3386,"龙江大地种田有多'聪明'？北大荒闫家岗农场72台套物联网设备构建'空天地人机'一体化数据网络","https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm","北大荒集团闫家岗农场拥有72台套物联网设备，24小时不间断采集农业生产数据上传平台，通过AI分析给出生产建议。农场用几个关键词概括：'数字大脑'——巡田无人机已全面替代传统人工作业；'全天候守护'——实现气象、墒情、光照全方位智能监测；'智能装备'——农田水利'双孪生'系统实现远程调水、智能控温、虫情监测等功能。北大荒集团已在20多个农场实施智慧农业示范项目，已在七星、友谊等重点农场落地见效。","[![Image 1](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_logo.png)](https:\u002F\u002Fwww.agri.cn\u002F)\n\n[无障碍](javascript:void(0);)[农芯慧答](https:\u002F\u002Fllm.trscd.com.cn\u002Fllm-app\u002F#\u002Fintelligent-qa?code=345059188574435d82b124eb1013e8d1&appId=910)[中华人民共和国农业农村部](https:\u002F\u002Fwww.moa.gov.cn\u002F)\n\n*   [首页](https:\u002F\u002Fwww.agri.cn\u002F)\n*   [机构](https:\u002F\u002Fwww.agri.cn\u002Fjg)\n*   [资讯](https:\u002F\u002Fwww.agri.cn\u002Fzx)\n*   [数据](https:\u002F\u002Fwww.agri.cn\u002Fsj)\n*   [生产](https:\u002F\u002Fwww.agri.cn\u002Fsc)\n*   [信息化](https:\u002F\u002Fwww.agri.cn\u002Fxxh)\n*   [专题](https:\u002F\u002Fwww.agri.cn\u002Fzt)\n*   [视频](https:\u002F\u002Fwww.agri.cn\u002Fvideo)\n\n[首页](https:\u002F\u002Fwww.agri.cn\u002F \"首页\")>[资讯](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002F \"资讯\")>[全国信息联播](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002F \"全国信息联播\")>[黑龙江](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F \"黑龙江\")\n\n 龙江大地种田有多“聪明”？在闫家岗农场解锁“丰收密码” \n\n时间：2026-09-24 来源：龙头新闻·黑龙江日报\n\n字号：大 中 小![Image 2](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fnxw_printIcon.png) 打印 \n\n分享:[](https:\u002F\u002Fsns.qzone.qq.com\u002Fcgi-bin\u002Fqzshare\u002Fcgi_qzshare_onekey?url=https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm&title=%E9%BE%99%E6%B1%9F%E5%A4%A7%E5%9C%B0%E7%A7%8D%E7%94%B0%E6%9C%89%E5%A4%9A%E2%80%9C%E8%81%AA%E6%98%8E%E2%80%9D%EF%BC%9F%E5%9C%A8%E9%97%AB%E5%AE%B6%E5%B2%97%E5%86%9C%E5%9C%BA%E8%A7%A3%E9%94%81%E2%80%9C%E4%B8%B0%E6%94%B6%E5%AF%86%E7%A0%81%E2%80%9D \"qq空间\")[](javascript:void(0); \"微信\")[](http:\u002F\u002Fservice.weibo.com\u002Fshare\u002Fshare.php?url=https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm&title=%E9%BE%99%E6%B1%9F%E5%A4%A7%E5%9C%B0%E7%A7%8D%E7%94%B0%E6%9C%89%E5%A4%9A%E2%80%9C%E8%81%AA%E6%98%8E%E2%80%9D%EF%BC%9F%E5%9C%A8%E9%97%AB%E5%AE%B6%E5%B2%97%E5%86%9C%E5%9C%BA%E8%A7%A3%E9%94%81%E2%80%9C%E4%B8%B0%E6%94%B6%E5%AF%86%E7%A0%81%E2%80%9D \"新浪微博\")\n\n稻浪滚滚，锣鼓喧天，23日，在北大荒集团闫家岗农场2026年中国农民丰收节黑龙江省主场活动的现场，各界嘉宾、农民、市民游客与农场职工齐聚，处处洋溢着丰收的喜悦。在闫家岗七彩大道示范田边，几台物联网设备静静矗立，在热闹的节日中默默护航稻田，这是北大荒“聪明”种田的硬件设施，也是北大荒“空天地人机”一体化数据网络的神经末梢。\n\n站在金黄的水稻田边，北大荒集团黑龙江闫家岗农场智慧农业负责人郭腾接受了记者的采访。\n\n“你看到的我们身后的物联网设备，闫家岗农场拥有72台套，它可以实时24小时不间断采集田间的农业生产数据，上传到平台，通过AI分析给出农业生产建议，这些专业的生产建议可以通过手机传递到种植户手里。从凭经验种田到凭数据种粮，让更多种植户达到节本增收的效果。”\n\n闫家岗丰收节现场的无人收割机作业演示环节，不用人坐在驾驶室，机器自己就能在稻田里开展收割；AI病虫害识别技术也将亮相，不靠人工一遍遍下地巡查，借助智能手段就能快速捕捉田间病虫害线索，提前做好防控。\n\n当记者问到闫家岗农场在智慧农业建设方面取得了哪些进展时，郭腾笑着说：“智慧农业是我们闫家岗农场最亮的一张名片，也是我本人投入精力最多的领域。”\n\n他告诉记者，在闫家岗农场层面，用几个关键词来概括：第一个关键词是“数字大脑”。巡田无人机已经全面替代传统人工作业，实现了大面积、高效率的农田巡查。所有数据实时回传至田间监测系统后台，形成智慧农业的“数字大脑”，精准指导从种到收的每一个环节。第二个关键词是“全天候守护”。如今闫家岗的农田，实现了气象、墒情、光照的全方位智能监测，整套智能监测体系24小时不间断值守，气象风险、作物长势、土壤状态全部量化为精准数据，全程护航水稻稳产增收。第三个关键词是“智能装备”。农场建设了农田水利“双孪生”系统，实现远程调水、智能控温、虫情监测等功能，构建农情天空地感知网络。智能温室大棚、无人插秧机、智能灌溉等数字化设备已经成为标配。\n\n从垦区层面来看，北大荒集团的智慧农业建设已经形成了体系化的“北大荒方案”。\n\n记者了解到，北大荒集团已经在20多个农场实施了智慧农业示范项目，成功打造了可复制、可推广的“北大荒未来农场”技术模式，已在七星、友谊等重点农场落地见效，推动传统农耕从“会”种田向“慧”种田全面跨越。北大荒集团联合哈尔滨工业大学、东北农业大学共建了智慧农场技术与系统全国重点实验室，把科研攻关、系统集成、场景验证、规模推广串成一条闭环，让更多新技术从实验室走向田间。（黑龙江日报记者：刘畅）\n\n![Image 3](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fnxw_back.png)\n返回顶部\n\n*   [外交部](https:\u002F\u002Fwww.fmprc.gov.cn\u002Fweb\u002F)\n*   [国防部](http:\u002F\u002Fwww.mod.gov.cn\u002F)\n*   [国家发展和改革委员会](https:\u002F\u002Fwww.ndrc.gov.cn\u002F)\n*   [教育部](http:\u002F\u002Fwww.moe.gov.cn\u002F)\n*   [科学技术部](https:\u002F\u002Fwww.most.gov.cn\u002F)\n*   [工业和信息化部](https:\u002F\u002Fwww.miit.gov.cn\u002F)\n*   [国家民族事务委员会](https:\u002F\u002Fwww.neac.gov.cn\u002F)\n*   [公安部](https:\u002F\u002Fwww.mps.gov.cn\u002F)\n*   [国家安全部](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [民政部](https:\u002F\u002Fwww.mca.gov.cn\u002F)\n*   [司法部](http:\u002F\u002Fwww.moj.gov.cn\u002F)\n*   [财政部](http:\u002F\u002Fwww.mof.gov.cn\u002F)\n*   [人力资源和社会保障部](http:\u002F\u002Fwww.mohrss.gov.cn\u002F)\n*   [自然资源部](https:\u002F\u002Fwww.mnr.gov.cn\u002F)\n*   [生态环境部](https:\u002F\u002Fwww.mee.gov.cn\u002F)\n*   [住房和城乡建设部](https:\u002F\u002Fwww.mohurd.gov.cn\u002F)\n*   [交通运输部](https:\u002F\u002Fwww.mot.gov.cn\u002F)\n*   [水利部](http:\u002F\u002Fwww.mwr.gov.cn\u002F)\n*   [农业农村部](http:\u002F\u002Fwww.moa.gov.cn\u002F)\n*   [商务部](http:\u002F\u002Fwww.mofcom.gov.cn\u002F)\n*   [文化和旅游部](https:\u002F\u002Fwww.mct.gov.cn\u002F)\n*   [国家卫生健康委员会](http:\u002F\u002Fwww.nhc.gov.cn\u002F)\n*   [退役军人事务部](http:\u002F\u002Fwww.mva.gov.cn\u002F)\n*   [应急管理部](https:\u002F\u002Fwww.mem.gov.cn\u002F)\n*   [中国人民银行](http:\u002F\u002Fwww.pbc.gov.cn\u002F)\n*   [审计署](https:\u002F\u002Fwww.audit.gov.cn\u002F)\n*   [国家语言文字工作委员会](http:\u002F\u002Fwww.moe.gov.cn\u002Fjyb_sy\u002FChina_Language\u002F)\n*   [国家航天局](http:\u002F\u002Fwww.cnsa.gov.cn\u002F)\n*   [国家原子能机构](http:\u002F\u002Fwww.caea.gov.cn\u002F)\n*   [国家外国专家局](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [国家海洋局](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [国家核安全局](https:\u002F\u002Fnnsa.mee.gov.cn\u002F)\n*   [国家乡村振兴局](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [国务院国有资产监督管理委员会](http:\u002F\u002Fwww.sasac.gov.cn\u002F)\n*   [海关总署](http:\u002F\u002Fwww.customs.gov.cn\u002F)\n*   [国家税务总局](http:\u002F\u002Fwww.chinatax.gov.cn\u002F)\n*   [国家市场监督管理总局](https:\u002F\u002Fwww.samr.gov.cn\u002F)\n*   [国家金融监督管理总局](https:\u002F\u002Fwww.nfra.gov.cn\u002F)\n*   [中国证券监督管理委员会](http:\u002F\u002Fwww.csrc.gov.cn\u002F)\n*   [国家广播电视总局](http:\u002F\u002Fwww.nrta.gov.cn\u002F)\n*   [国家体育总局](https:\u002F\u002Fwww.sport.gov.cn\u002F)\n*   [国家信访局](https:\u002F\u002Fwww.gjxfj.gov.cn\u002Fgjxfj\u002Findex.htm)\n*   [国家统计局](http:\u002F\u002Fwww.stats.gov.cn\u002F)\n*   [国家知识产权局](https:\u002F\u002Fwww.cnipa.gov.cn\u002F)\n*   [国家国际发展合作署](http:\u002F\u002Fwww.cidca.gov.cn\u002F)\n*   [国家医疗保障局](http:\u002F\u002Fwww.nhsa.gov.cn\u002F)\n*   [国务院参事室](http:\u002F\u002Fwww.counsellor.gov.cn\u002F)\n*   [国家机关事务管理局](http:\u002F\u002Fwww.ggj.gov.cn\u002F)\n*   [国家反垄断局](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [国家认证认可监督管理委员会](http:\u002F\u002Fwww.cnca.gov.cn\u002F)\n*   [国家标准化管理委员会](http:\u002F\u002Fwww.sac.gov.cn\u002F)\n*   [国家新闻出版署（国家版权局）](https:\u002F\u002Fwww.ncac.gov.cn\u002F)\n*   [国家宗教事务局](https:\u002F\u002Fwww.sara.gov.cn\u002F)\n*   [国务院研究室](https:\u002F\u002Fwww.gov.cn\u002Fguoqing\u002F2018-06\u002F22\u002Fcontent_5300522.htm)\n*   [国务院侨务办公室](https:\u002F\u002Fwww.gqb.gov.cn\u002F)\n*   [国务院港澳事务办公室](https:\u002F\u002Fwww.hmo.gov.cn\u002F)\n*   [国务院台湾事务办公室](http:\u002F\u002Fwww.gwytb.gov.cn\u002F)\n*   [国家互联网信息办公室](http:\u002F\u002Fwww.cac.gov.cn\u002F)\n*   [国务院新闻办公室](http:\u002F\u002Fwww.scio.gov.cn\u002Findex.htm)\n*   [新华通讯社](https:\u002F\u002Fwww.news.cn\u002Fxinhuashe\u002F)\n*   [中国科学院](https:\u002F\u002Fwww.cas.cn\u002F)\n*   [中国社会科学院](http:\u002F\u002Fwww.cass.cn\u002F)\n*   [中国工程院](https:\u002F\u002Fwww.cae.cn\u002F)\n*   [国务院发展研究中心](https:\u002F\u002Fwww.drc.gov.cn\u002Fdefault.aspx)\n*   [中央广播电视总台](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [中国气象局](https:\u002F\u002Fwww.cma.gov.cn\u002F)\n*   [国家行政学院](https:\u002F\u002Fwww.ccps.gov.cn\u002F)\n*   [国家粮食和物资储备局](http:\u002F\u002Fwww.lswz.gov.cn\u002F)\n*   [国家能源局](http:\u002F\u002Fwww.nea.gov.cn\u002F)\n*   [国家数据局](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [国家国防科技工业局](http:\u002F\u002Fwww.sastind.gov.cn\u002F)\n*   [国家烟草专卖局](http:\u002F\u002Fwww.tobacco.gov.cn\u002Fgjyc\u002Findex.shtml)\n*   [国家移民管理局](https:\u002F\u002Fwww.nia.gov.cn\u002F)\n*   [国家林业和草原局](http:\u002F\u002Fwww.forestry.gov.cn\u002F)\n*   [国家铁路局](http:\u002F\u002Fwww.nra.gov.cn\u002F)\n*   [中国民用航空局](http:\u002F\u002Fwww.caac.gov.cn\u002Findex.html)\n*   [国家邮政局](https:\u002F\u002Fwww.spb.gov.cn\u002F)\n*   [国家文物局](http:\u002F\u002Fwww.ncha.gov.cn\u002F)\n*   [国家中医药管理局](http:\u002F\u002Fwww.natcm.gov.cn\u002F)\n*   [国家疾病预防控制局](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [国家矿山安全监察局](https:\u002F\u002Fwww.chinamine-safety.gov.cn\u002F)\n*   [国家消防救援局](https:\u002F\u002Fwww.119.gov.cn\u002F)\n*   [国家外汇管理局](http:\u002F\u002Fwww.safe.gov.cn\u002F)\n*   [国家药品监督管理局](https:\u002F\u002Fwww.nmpa.gov.cn\u002F)\n\n*   [农业农村部机关服务中心( 农业农村部机关服务局 )](http:\u002F\u002Fwww.jgfwj.agri.cn\u002F)\n*   [中国农业科学院](http:\u002F\u002Fwww.caas.cn\u002F)\n*   [中国水产科学研究院](https:\u002F\u002Fwww.cafs.ac.cn\u002F)\n*   [中国热带农业科学院](http:\u002F\u002Fwww.catas.cn\u002F)\n*   [全国农业展览馆（中国农业博物馆）](http:\u002F\u002Fwww.ciae.com.cn\u002F)\n*   [中国农业电影电视中心](http:\u002F\u002Fwww.ntv.cn\u002F)\n*   [农民日报社](https:\u002F\u002Fwww.farmer.com.cn\u002F)\n*   [中国农业出版社有限公司（农村读物出版社）](http:\u002F\u002Fwww.ccap.com.cn\u002F)\n*   [中国农村杂志社](http:\u002F\u002Fwww.crnews.net\u002F)\n*   [全国乡村振兴宣传教育中心](https:\u002F\u002Fnpecrr.agri.cn\u002F)\n*   [中央农业干部教育培训中心（农业农村部管理干部学院、中国共产党农业农村部党校）](http:\u002F\u002Fwww.gbxy.agri.cn\u002F)\n*   [农业农村部人力资源开发中心、中国农学会](https:\u002F\u002Fwww.rlzy.moahr.cn\u002F)\n*   [农业农村部农村经济研究中心](http:\u002F\u002Fwww.rcre.agri.cn\u002F)\n*   [农业农村部信息中心](https:\u002F\u002Fwww.agri.cn\u002F)\n*   [农业农村部农产品质量安全中心](http:\u002F\u002Fwww.aqsc.agri.cn\u002F)\n*   [中国绿色食品发展中心](http:\u002F\u002Fwww.greenfood.agri.cn\u002F)\n*   [农业农村部规划设计研究院](http:\u002F\u002Fwww.aape.org.cn\u002F)\n*   [中国乡村振兴发展中心](https:\u002F\u002Fxczx.agri.cn\u002F)\n*   [农业农村部大数据发展中心](http:\u002F\u002Fwww.abdc.agri.cn\u002F)\n*   [农业农村部工程建设服务中心](http:\u002F\u002Fwww.gczx.agri.cn\u002F)\n*   [农业农村部财会服务中心、中华农业科教基金会](http:\u002F\u002Fwww.ckzx.agri.cn\u002F)\n*   [农业农村部对外经济合作中心（中国-欧洲联盟农业技术中心）](http:\u002F\u002Fwww.fecc.agri.cn\u002F)\n*   [农业农村部农业贸易促进中心(中国国际贸易促进委员会农业行业分会、中国国际商会农业行业商会)](http:\u002F\u002Fwww.mczx.agri.cn\u002F)\n*   [中国国际减贫中心](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [农业农村部国际交流服务中心](http:\u002F\u002Fwww.cicos.agri.cn\u002F)\n*   [中央农业广播电视学校(农业农村部农民科技教育培训中心)、中国农民体育协会](http:\u002F\u002Fwww.ngx.net.cn\u002F)\n*   [农业农村部科技发展中心](https:\u002F\u002Fwww.nybkjfzzx.cn\u002F)\n*   [农业农村部农业生态与资源保护总站](http:\u002F\u002Fwww.reea.agri.cn\u002F)\n*   [中国农村技术开发中心](http:\u002F\u002Fwww.crtdc.org.cn\u002F)\n*   [全国农业技术推广服务中心](http:\u002F\u002Fwww.natesc.org.cn\u002F)\n*   [农业农村部农药检定所（国际食品法典农药残留委员会秘书处）](http:\u002F\u002Fwww.chinapesticide.org.cn\u002F)\n*   [农业农村部耕地质量和农田工程监督保护中心](http:\u002F\u002Fwww.gdzl.agri.cn\u002F)\n*   [农业农村部农业机械化总站](http:\u002F\u002Fwww.amic.agri.cn\u002F)\n*   [全国畜牧总站](https:\u002F\u002Fwww.nahs.org.cn\u002F)\n*   [中国动物疫病预防控制中心（农业农村部屠宰技术中心）](http:\u002F\u002Fwww.cadc.net.cn\u002F)\n*   [中国兽医药品监察所（农业农村部兽药评审中心）](http:\u002F\u002Fwww.ivdc.org.cn\u002F)\n*   [中国动物卫生与流行病学中心](http:\u002F\u002Fwww.cahec.cn\u002F)\n*   [中国农垦经济发展中心（农业农村部南亚热带作物中心）](http:\u002F\u002Fwww.farmchina.org.cn\u002F)\n*   [农业农村部农村社会事业发展中心（农业农村部乡镇企业发展中心）](http:\u002F\u002Fwww.shsyzx.agri.cn\u002F)\n*   [农业农村部乡村振兴监测中心](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n*   [全国水产技术推广总站、中国水产学会](http:\u002F\u002Fwww.nftec.agri.cn\u002F)\n*   [农业农村部渔政保障中心](http:\u002F\u002Fwww.yzbzzx.agri.cn\u002F)\n*   [中国农产品市场协会](http:\u002F\u002Fwww.chama.org.cn\u002F)\n*   [中国农业国际合作促进会茶产业分会|中农促茶产业分会](https:\u002F\u002Fwww.capiaccti.org.cn\u002F)\n\n*   [北京农业农村局](http:\u002F\u002Fnyncj.beijing.gov.cn\u002F)\n*   [天津农业农村委](http:\u002F\u002Fnync.tj.gov.cn\u002F)\n*   [河北农业农村厅](http:\u002F\u002Fnync.hebei.gov.cn\u002F)\n*   [山西农业农村厅](http:\u002F\u002Fnynct.shanxi.gov.cn\u002F)\n*   [内蒙古农牧厅](http:\u002F\u002Fnmt.nmg.gov.cn\u002F)\n*   [辽宁农业农村厅](http:\u002F\u002Fnync.ln.gov.cn\u002F)\n*   [吉林农业农村厅](http:\u002F\u002Fagri.jl.gov.cn\u002F)\n*   [吉林畜牧业管理局](http:\u002F\u002Fxmy.jl.gov.cn\u002F)\n*   [黑龙江农业农村厅](http:\u002F\u002Fnynct.hlj.gov.cn\u002F)\n*   [上海农业农村委](https:\u002F\u002Fnyncw.sh.gov.cn\u002F)\n*   [江苏农业农村厅](http:\u002F\u002Fnynct.jiangsu.gov.cn\u002F)\n*   [浙江农业农村厅](http:\u002F\u002Fnynct.zj.gov.cn\u002F)\n*   [安徽农业农村厅](http:\u002F\u002Fnync.ah.gov.cn\u002F)\n*   [福建农业农村厅](http:\u002F\u002Fnynct.fujian.gov.cn\u002F)\n*   [江西农业农村厅](http:\u002F\u002Fnync.jiangxi.gov.cn\u002F)\n*   [山东农业农村厅](http:\u002F\u002Fnync.shandong.gov.cn\u002F)\n*   [河南农业农村厅](https:\u002F\u002Fnynct.henan.gov.cn\u002F)\n*   [湖北农业农村厅](http:\u002F\u002Fnyt.hubei.gov.cn\u002F)\n*   [湖南农业农村厅](http:\u002F\u002Fagri.hunan.gov.cn\u002F?tdsourcetag=s_pcqq_aiomsg)\n*   [广东农业农村厅](http:\u002F\u002Fdara.gd.gov.cn\u002F)\n*   [广西农业农村厅](http:\u002F\u002Fnynct.gxzf.gov.cn\u002F)\n*   [海南农业农村厅](http:\u002F\u002Fagri.hainan.gov.cn\u002Fhnsnyt\u002F)\n*   [重庆农业农村委](http:\u002F\u002Fnyncw.cq.gov.cn\u002F)\n*   [四川农业农村厅](http:\u002F\u002Fnynct.sc.gov.cn\u002F)\n*   [贵州农业农村厅](http:\u002F\u002Fnynct.guizhou.gov.cn\u002F)\n*   [云南农业农村厅](https:\u002F\u002Fnync.yn.gov.cn\u002F)\n*   [西藏农业农村厅](http:\u002F\u002Fnynct.xizang.gov.cn\u002F)\n*   [陕西农业农村厅](http:\u002F\u002Fnynct.shaanxi.gov.cn\u002F)\n*   [甘肃农业农村厅](http:\u002F\u002Fnync.gansu.gov.cn\u002F)\n*   [青海农业农村厅](http:\u002F\u002Fnynct.qinghai.gov.cn\u002F)\n*   [宁夏农业农村厅](http:\u002F\u002Fnynct.nx.gov.cn\u002F)\n*   [新疆农业农村厅](http:\u002F\u002Fnynct.xinjiang.gov.cn\u002F)\n*   [新疆兵团农业农村局](http:\u002F\u002Fnyj.xjbt.gov.cn\u002F)\n\n*   [中国农业电影电视中心](http:\u002F\u002Fwww.ntv.cn\u002F)\n*   [农民日报社](https:\u002F\u002Fwww.farmer.com.cn\u002F)\n*   [中国农业出版社有限公司（农村读物出版社）](http:\u002F\u002Fwww.ccap.com.cn\u002F)\n*   [中国农村杂志社](http:\u002F\u002Fwww.crnews.net\u002F)\n*   [人民网](http:\u002F\u002Fwww.people.com.cn\u002F)\n*   [新华网](http:\u002F\u002Fwww.xinhuanet.com\u002F)\n*   [求是网](http:\u002F\u002Fwww.qstheory.cn\u002F)\n*   [解放军报](http:\u002F\u002Fwww.81.cn\u002Fszb_223187\u002Fszblb\u002Findex.html?paperNumber=01&paperName=jfjb)\n*   [光明网](http:\u002F\u002Fwww.gmw.cn\u002F)\n*   [经济日报](http:\u002F\u002Fpaper.ce.cn\u002Fjjrb\u002Fhtml\u002F2021-02\u002F20\u002Fnode_2.htm)\n*   [中国日报](http:\u002F\u002Fcn.chinadaily.com.cn\u002F)\n*   [央广网](http:\u002F\u002Fwww.cnr.cn\u002F)\n*   [央视网](http:\u002F\u002Fwww.cctv.com\u002F)\n*   [国际在线](http:\u002F\u002Fwww.cri.cn\u002F)\n*   [科技日报](https:\u002F\u002Fepaper.stdaily.com\u002F)\n*   [中国纪检监察报](https:\u002F\u002Fjjjcb.ccdi.gov.cn\u002Fepaper\u002F)\n*   [工人日报](http:\u002F\u002Fmedia.workercn.cn\u002Fsites\u002Fpaper\u002Fpaper_index.html)\n*   [中国青年报](http:\u002F\u002Fzqb.cyol.com\u002Fhtml\u002F2021-02\u002F19\u002Fnbs.D110000zgqnb_01.htm)\n*   [中国妇女报](http:\u002F\u002Fpaper.cnwomen.com.cn\u002Fhtml\u002F2021-02\u002F19\u002Fnbs.D110000zgfnb_1.htm)\n*   [农民日报](http:\u002F\u002Fszb.farmer.com.cn\u002F2021\u002F20210220\u002F20210220_001\u002F20210220_001.html)\n*   [法制日报](http:\u002F\u002Fepaper.legaldaily.com.cn\u002Ffzrb\u002Fcontent\u002F20210220\u002FPage01TB.htm)\n*   [中国新闻网](https:\u002F\u002Fwww.chinanews.com\u002F)\n\n相关链接：\n\n*   国务院各部门![Image 4](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_footer_bg.png)\n*   直属单位\u002F行业协会![Image 5](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_footer_bg.png)\n*   各省（区\u002F市）农业网站![Image 6](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_footer_bg.png)\n*   新闻媒体\u002F部属媒体![Image 7](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_footer_bg.png)\n\n[![Image 8](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_foot_ico.png)](https:\u002F\u002Fbszs.conac.cn\u002Fsitename?method=show&id=17EE80B556BC73D2E053012819AC3462)\n\n*   [关于我们](https:\u002F\u002Fwww.agri.cn\u002Fdbxx\u002F202311\u002Ft20231108_8053689.htm)\n*   [网站声明](https:\u002F\u002Fwww.agri.cn\u002Fdbxx\u002F202311\u002Ft20231108_8053691.htm)\n*   [网站地图](https:\u002F\u002Fwww.agri.cn\u002Fdbxx\u002Fwzdt\u002F)\n*   [联系我们](https:\u002F\u002Fwww.agri.cn\u002Fdbxx\u002F202311\u002Ft20231108_8053690.htm)\n*   [访问分析](https:\u002F\u002Freport.moa.gov.cn\u002Freport\u002Findex.html)\n\n主办单位：农业农村部信息中心[京ICP备05039419号-1](https:\u002F\u002Fbeian.miit.gov.cn\u002F)最佳浏览模式：1920*1080分辨率 网站保留所有权，未经许可不得复制、镜像[京公网安备 11010502034743号](http:\u002F\u002Fwww.beian.gov.cn\u002Fportal\u002FregisterSystemInfo?recordcode=11010502034743)\n\n[![Image 9](https:\u002F\u002Fwww.agri.cn\u002Fimages\u002Fny_foot_ico2.png)](https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fhlj\u002F202609\u002Ft20260924_8873814.htm)\n\n[按回车键在新窗口打开无障碍说明页面,按Ctrl+~键打开导盲模式。](javascript:void(0);)\n\n*   [](javascript:void(0); \"重新设置Shift+1\")重置\n*   [](javascript:void(0); \"声音\")声音\n*   [](javascript:void(0); \"语速\")语速\n*   [](javascript:void(0); \"阅读方式\")阅读方式\n*   [](javascript:void(0); \"切换配色Shift+5\")配色\n*   [](javascript:void(0); \"网页放大Shift+6\")放大\n*   [](javascript:void(0); \"网页缩小Shift+7\")缩小\n*   [](javascript:void(0); \"切换鼠标样式Shift+8\")大鼠标\n*   [](javascript:void(0); \"十字光标\")光标\n*   [](javascript:void(0); \"切换显示屏Shift+0\")显示屏\n*   [](https:\u002F\u002Fwww.mangren.com\u002FcommonToolbarV6\u002Fhelp.html \"开启帮助Shift+问号键\")帮助\n*   [](javascript:void(0); \"固定或者隐藏工具栏，请按 Shift+L\")固定\n*   [](javascript:void(0); \"下载快捷方式 Shift+D\")快捷方式\n*   [](javascript:void(0); \"读屏专用：快捷键Shift+N，适用于使用读屏软件的用户，若无读屏软件可通过Shift+2开启声音获取语音提示\")读屏专用\n*   [](javascript:void(0); \"关闭辅助工具Shift+Q\")退出\n\n导航区(0)\n\nALT+1\n\n视窗区(0)\n\nALT+2\n\n交互区(0)\n\nALT+3\n\n服务区(0)\n\nALT+4\n\n列表区(0)\n\nALT+5\n\n正文区(0)\n\nALT+6\n\n[](javascript:void(0); \"声音开关\")语音\n\n[](javascript:void(0); \"开启帮助Shift+问号键\")帮助\n\n[](javascript:void(0); \"显示屏\")显示屏\n\n[](javascript:void(0); \"老人服务：快捷键Shift+N，适用于视力和文化认知底下的人群\")老人服务\n\n[](javascript:void(0); \"关闭辅助工具Shift+Q\")退出\n\n请按F11切换全屏模式\n\n  \n提示：该链接属站外链接，将无法使用辅助浏览工具！  \n是否继续访问？  \n\n请注意，该操作链接到其他网站  \n该网站无法启动无障碍工具条！\n\n当前访问页面超出辅助工具操作范围  \n无障碍辅助工具无法正常工作！  \n  \n\n##### 分享到微信\n\n×\n用微信“扫一扫”，点击右上角分享按钮，  \n即可将网页分享给您的微信好友或朋友圈。","中国农业农村信息网 2026-09-24","报道",68,{"impact":19,"substance":185,"depth":224,"authority":225,"freshness":20,"relevant":21,"comment":226},14,11,"以丰收节现场为切口，具体呈现北大荒闫家岗农场物联网、无人农机与数字大脑的落地成效，属省级媒体实地报道，有细节但偏宣传性，适合主题聚合而非头条精选。",[228],{"name":220,"url":217},[28,29,30,230,231],"北大荒","无人农机",[233,234],"北大荒 闫家岗农场 智慧农业","闫家岗农场 物联网设备","北大荒闫家岗农场智慧农业-3386","2026-09-25T00:09:27.560637Z",{"id":238,"title":239,"url":240,"summary":241,"summary_zh":242,"content":9,"source_name":243,"source_url":240,"published_at":244,"category":12,"cover_url":9,"hotness":13,"is_selected":14,"score":245,"score_detail":246,"sources":248,"tags":252,"search_phrases":256,"slug":259,"view_count":37,"doi":260,"paper":261,"created_at":271},3357,"AI-Driven Precision Agriculture and Crop Resilience: Integrating Artificial Intelligence, IoT and Remote Sensing for Climate-Resilient Indian Agriculture: A Vision for Viksit Bharat 2047","https:\u002F\u002Fdoi.org\u002F10.5281\u002Fzenodo.22914538","Abstract Agriculture is central to India's economic development, food security, rural employment, and the achievement of the Viksit Bharat@2047 vision. However, Indian agriculture faces increasingly complex challenges, including climate variability, water scarcity, soil degradation, pest and disease outbreaks, fragmented landholdings, market uncertainty, and unequal access to agricultural knowledge. These challenges require a transition from conventional, input-intensive agriculture towards data-driven, resource-efficient, climate-resilient and farmer-centric production systems. Agriculture in India is increasingly affected by climate variability, water scarcity, soil degradation, pest and disease outbreaks, and unpredictable weather conditions. These challenges threaten crop productivity and food security, particularly among small and marginal farmers. Artificial Intelligence (AI), Internet of Things (IoT), remote sensing, and machine learning offer new opportunities to transform conventional agricultural practices into data-driven precision agriculture systems. This paper presents a conceptual framework for AI-driven precision agriculture aimed at improving crop resilience under changing climatic conditions. Artificial Intelligence (AI), combined with precision agriculture, Internet of Things (IoT), remote sensing, satellite imagery, drones, machine learning, robotics and digital public infrastructure, offers significant opportunities to transform Indian agriculture. AI can support crop and yield prediction, disease and pest identification, weather-based advisories, irrigation optimisation, soil management, crop insurance, market intelligence and early-warning systems. The paper also discusses challenges related to digital inclusion, data governance, affordability, AI reliability, farmer skills, privacy and institutional coordination. It argues that India's objective should not simply be the digitisation of agriculture, but the creation of an intelligent, inclusive and resilient agricultural ecosystem in which technology augments farmer knowledge and decision-making. By 2047, India can aspire to establish globally competitive agriculture that produces more with fewer resources, withstands climate shocks, generates higher and more stable farm incomes, and ensures sustainable food and nutritional security.","摘要 农业对印度的经济发展、粮食安全、农村就业以及“发达印度@2047”愿景的实现至关重要。然而，印度农业面临日益复杂的挑战，包括气候变异性、水资源短缺、土壤退化、病虫害暴发、土地持有碎片化、市场不确定性以及农业知识获取不平等。这些挑战要求从传统的投入密集型农业向数据驱动、资源高效、气候韧性且以农民为中心的生产体系转型。印度农业日益受到气候变异性、水资源短缺、土壤退化、病虫害暴发及不可预测天气条件的影响。这些挑战威胁着作物生产力和粮食安全，尤其是对小农和边缘农民而言。人工智能（AI）、物联网（IoT）、遥感和机器学习为将传统农业实践转变为数据驱动的精准农业系统提供了新机遇。本文提出了一个AI驱动的精准农业概念框架，旨在改善气候变化条件下作物的韧性。人工智能（AI）与精准农业、物联网（IoT）、遥感、卫星影像、无人机、机器学习、机器人技术及数字公共基础设施相结合，为改造印度农业提供了重大机遇。AI可支持作物与产量预测、病虫害识别、基于天气的农事建议、灌溉优化、土壤管理、作物保险、市场情报及预警系统。本文还讨论了与数字包容、数据治理、可负担性、AI可靠性、农民技能、隐私及机构协调相关的挑战。文章认为，印度的目标不应仅仅是农业数字化，而应是创建一个智能、包容且有韧性的农业生态系统，使技术增强农民的知识与决策能力。到2047年，印度有望建立具有全球竞争力的农业，以更少资源生产更多产品，抵御气候冲击，创造更高且更稳定的农业收入，并确保可持续的粮食与营养安全。","Zenodo (CERN European Organization for Nuclear Research)","2026-09-30T00:00:00Z",69,{"impact":18,"substance":19,"depth":185,"authority":68,"freshness":37,"relevant":21,"comment":247},"概念性框架论文，系统梳理AI、IoT与遥感在印度气候韧性农业中的应用与挑战，有参考价值但无实证数据，且发布日期在未来、时效性缺失，暂不宜进入每日精选。",[249,250],{"name":243,"url":240},{"name":243,"url":251},"https:\u002F\u002Fdoi.org\u002F10.5281\u002Fzenodo.22914539",[253,28,29,254,255,31],"数字乡村","农业物联网","气候韧性",[257,258],"印度 精准农业 AI","农业人工智能 农业物联网 数字乡村 智慧农业","印度精准农业AI-3357","10.5281\u002Fzenodo.22914538",{"doi":260,"openalex_id":262,"authors":263,"venue":243,"cited_by_count":37,"oa_url":240,"card":266,"direction":50,"ingested_from":52},"W7214083098",[264],{"name":265,"orcid":9},"Twinkal Prakash Sawant",{"tldr":267,"method":268,"finding":269,"direction":50,"opportunity":270},"提出AI+物联网+遥感驱动的精准农业概念框架，提升印度气候韧性作物生产。","概念框架分析，整合AI、IoT、遥感、卫星、无人机、机器学习与数字公共基础设施。","印度农业应构建智能、包容、有韧性的生态系统，而非仅数字化，以应对气候与资源挑战。","可实证检验小农户场景下AI+IoT+遥感集成对作物韧性与收入的实际效果及数字包容机制。","2026-09-24T23:30:13.211525Z"]